Stud. Hilfskraft (m/w/d) - Kontaktbehaftete Aufgaben in der Simulation mittels Generative AI/FM/RL

Fraunhofer IPA; Stuttgart; Vor Ort; EUR 42.000 - 62.000; Vollzeit

Benefits dieser Stelle

Spitzentechnologie im Bereich der Robu

Praktische Arbeit mit Robotern in STUT

Verantwortung und Freiheit, eigene Ide

Zusammenarbeit mit Top-Studierenden

Zusammenfassung

Fraunhofer IPA in Stuttgart sucht eine engagierte Fachkraft für die Simulation kontaktreicher Montagesprozesse und die Entwicklung generativer KI-Ansätze. Sie modellieren Real-SCI-Simulationsumgebungen, arbeiten an RL-basierten Lernstrategien und prüfen Foundation-Modelle zur Generalisierung von Montageoperationen.

Sie bringen Erfahrung in Robotik, Python, C++, ROS und ML-Frameworks wie PyTorch mit und verfügen über fließende Englischkenntnisse.

Qualifikationen

• Gültige Immatrikulation an einer deutschen Universität in Robotik, Informatik, Künstlicher Intelligenz oder einem verwandten Fachgebiet
• Praktische Erfahrung in der Modellierung kontaktreicher Interaktionen mit Robotik-Simulationsumgebungen wie Isaac Sim, MuJoCo oder Bullet
• Praktische Erfahrung im Umgang mit Retrieval-Augmented Generation (RAG) und Generierungspipelines, insbesondere im Zusammenhang mit LLMs
• Erfahrung mit Roboter-Manipulatoren ist von Vorteil
• Gute Programmierkenntnisse in Python, C++ und Erfahrung mit ROS (Robot Operating System)
• Erfahrung mit Frameworks des Maschinellen Lernens, insbesondere PyTorch und Reinforcement-Learning-Methoden
• Fließende Englischkenntnisse

Aufgaben

• Aufbau und Konfiguration physikbasierter Simulationsumgebungen (z. B. verschiedene Simulatoren und Robotermodelle)
• Modellierung und Implementierung kontaktreicher Handhabungs- und Montageoperationen in der Simulation
• Erforschung generativer KI-Ansätze zur automatischen Generierung von Sequenzen von Fertigkeiten für Montageaufgaben
• Untersuchung modernster Foundation-Modelle zur Modellierung und Generalisierung von Montageoperationen
• Entwurf und Training RL-basierter Ansätze zum Lernen von Montageprozessen und dazugehörigen Richtlinien
• Dokumentation und Präsentation der entwickelten Methoden und Ergebnisse

Kenntnisse

Python

C++

ROS

PyTorch

Reinforcement Learning

LLMs (RAG)

Ausbildung

Gültige Immatrikulation in Robotik/KI

Tools

Isaac Sim

MuJoCo

Bullet

ROS

Jobbeschreibung

Ausschreibung für die Fachrichtungen wie z. B.:

Automatisierungstechnik, Elektrotechnik, Informatik, Kybernetik, Maschinenbau, Mechatronik, Regelungstechnik, Softwaredesign, Softwareengineering, technische Informatik, Robotik, Autonome Systeme oder vergleichbare.

Kontaktintensive Montageaufgaben beinhalten oft komplexe physikalische Wechselwirkungen und eine hohe Empfindlichkeit gegenüber Parametereinstellungen. Bei einer großen Anzahl von Produktvarianten ist es nicht praktikabel, Prozessparameter für jede mögliche Variante manuell abzustimmen oder zu validieren, was Skalierbarkeit und Flexibilität in industriellen Anwendungen einschränkt.

Simulationsumgebungen bieten einen vielversprechenden Ansatz, um diese Herausforderung anzugehen. Durch die genaue Modellierung der zugrundeliegenden Physik von Montagevorgängen wird es möglich, verallgemeinerte Repräsentationen dieser Prozesse zu erlernen. NVIDIA Isaac Sim und weitere Simulations-Engines wie MuJoCo ermöglichen eine hochpräzise Physik-Simulation sowie Sensoremulation, um diese Montageprozesse präzise zu simulieren. Reinforcement Learning (RL) und moderne Foundation-Modelle können dann genutzt werden, um Strategien und Prädiktionsmodelle zu erlernen, die die Dynamik der kontaktreichen Interaktionen erfassen.

Hier sorgen Sie für Veränderung

• Aufbau und Konfiguration physikbasierter Simulationsumgebungen (z. B. verschiedene Simulatoren und Robotermodelle)
• Modellierung und Implementierung kontaktreicher Handhabungs- und Montageoperationen in der Simulation
• Erforschung generativer KI-Ansätze zur automatischen Generierung von Sequenzen von Fertigkeiten für Montageaufgaben
• Untersuchung modernster Foundation-Modelle zur Modellierung und Generalisierung von Montageoperationen
• Entwurf und Training RL-basierter Ansätze zum Lernen von Montageprozessen und dazugehörigen Richtlinien
• Dokumentation und Präsentation der entwickelten Methoden und Ergebnisse

Hiermit bringen Sie sich ein

• Gültige Immatrikulation an einer deutschen Universität in Robotik, Informatik, Künstlicher Intelligenz oder einem verwandten Fachgebiet
• (Erforderlich) Praktische Erfahrung in der Modellierung kontaktreicher Interaktionen mit Robotik-Simulationsumgebungen wie Isaac Sim, MuJoCo oder Bullet
• (Erforderlich) Praktische Erfahrung im Umgang mit Retrieval-Augmented Generation (RAG) und Generierungspipelines, insbesondere im Zusammenhang mit Large Language Models (LLMs)
• Erfahrung mit Roboter-Manipulatoren ist von Vorteil
• Gute Programmierkenntnisse in Python, C++ und Erfahrung mit ROS (Robot Operating System)
• Erfahrung mit Frameworks des Maschinellen Lernens, insbesondere PyTorch und Reinforcement-Learning-Methoden
• Fließende Englischkenntnisse

Was wir für Sie bereithalten

• Spitzentechnologie im Bereich der Roboter-Manipulatoren
• Praktische Arbeit mit unseren Robotern in Stuttgart
• Verantwortung und Freiheit, eigene Ideen umzusetzen
• Zusammenarbeit mit den besten Studierenden ihres Fachgebiets

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Frau Jennifer Leppich

Recruiting

[e-mail]

Tel. [phone]

Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA

www.ipa.fraunhofer.de

Kennziffer: 84165 Bewerbungsfrist: